应用统计学课件：参数估计.pptVIP

《应用统计学》精品课程 第四章 参数估计 Unit four Parameter estimates 《应用统计学》精品课程 4.1 参数估计的基本问题 (The basic parameter estimation problems) 4.2 参数的点估计 (The point estimate parameters) 4.3 参数的区间估计 (The interval estimation parameters) 《应用统计学》精品课程 统计学是一门有关统计数据的科学。它提供了探索数据内在规律的一套方法，通过对数据得收集和分析，找出内在的数学规律。一般来说，包括以下几类问题： 4.1 参数估计的基本问题 (The basic parameter estimation problems) 未知分布函数的估计 参数估计 统计假设检验 点估计 区间估计 参数估计的几类问题 矩估计法 最大似然估计法 《应用统计学》精品课程 4.2 参数的点估计 (The point estimate parameters) 常用的两种点估计方法：矩估计法和最大似然估计法。 4.2.1 矩估计法： 基本思想：样本X1，… … ，Xn作为总体的一个代表，由其构成的样本一定程度上反映了总体矩，由大数定理知，样本矩依概率收敛于总体矩。因此只要总体X的K阶原点矩存在，就可以用样本矩作为相应的总体矩的估计量。 按矩估计法，样本均值 是总体均值 的估计量，即： （4.1） 《应用统计学》精品课程 样本方差S2是总体方差的估计量，即： （4.2） 样本比例是总体比例的估计量，即： 其中m为样本中具有某种属性的单位数。 （4.3） 备注：矩估计法的优缺点： 优点：简单、直观，并且不必知道总体的分布类型，广泛应用。 缺点：首先它要求总体的k阶原点矩存在，否则无法估计；其次它不考虑总体分布类型，不利于充分利用总体分布函数所提供的信息。 《应用统计学》精品课程 4.2.2 最大似然估计法 (The maximum likelihood estimation method) 基本思想：设总体的X分布函数形式，已知 为未知参数，X1，。。。，Xn为总体的一个样本容量为n的样本观测值，选取 的估计量 ，使样本观测值出现最大的概率为最大，并将 称为 的最大似然估计量。 设总体X的密度函数为 例题1.: 其中未知参数α＞1，X1， X2,…..,Xn为来自总体X的简单随机样本，求1) α的矩估计量； 2) α的最大似然估计量。 《应用统计学》精品课程 1） = =μ = = 2)似然函数为 ln L(α) =n ln(α+1)+α 令: 解得a= (a －1) 所以，a的最大似然估计量为: 《应用统计学》精品课程 1）无偏性: 定义：用估计量 去估计总体的未知参数 ，由于样本X1，……，Xn的不完全和不确定性，有时可能偏高，又是可能偏低，但从所有可能的样本来看，估计量的均值应等于总体参数的真值，公式表示： 4.2.3 估计量优劣的比较 (Comparative estimates of pros) 一般采用以下三个标准来评价估计量的优劣。 2）有效性： 设 ， 都是参数 的无偏估计量，若 则称 是较 有效的估计量。 《应用统计学》精品课程 n1 n2 n3 n3?n2?n1 3）一致性： 设 是参数的估计量，对于任意给定的 ，当 时有 则称 为 的一致估计量。 （4.７） 《应用统计学》精品课程 验证具有均值为μ、方差为 的总体X的样本均值 与样 本方差S是否具有无偏性。 例题2.: 是μ的无偏估计量; 而S2不是σ2的无偏估计量 . 《应用统计学》精品课程 4.3 参数的区间估计 (The interval estimation parameters) 备注： 置信区间范围大小表示区间估计的精确度； 置信度表示区间估计的可靠性。 设总体X的参数为，由样本X1，……，Xn所构造的两个估计量 ， 对于给定的a（0a1），有 则称 为参数 的置信度为 的置信区间。该区间的两个端点， 分别称为置信上限和置信下限，统称为置信限。a称为显著性水平，1-